Segmentierungs-Modell für Brandschadens-Erkennung in der Versicherung
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 3.200 anonymisierte Schadensfotos mit Pixel-Annotationen (4 Klassen: unbeschädigt, ruß, brand, wasserschäden). Trainiere ein modernes Segmentierungs-Modell (SegFormer oder U-Net mit ConvNeXt-Backbone), evaluiere mit Mean-IoU und pro-Klasse-IoU. Berechne pro Foto die beschädigte Fläche und vergleiche gegen die manuelle Schätzung auf einem 100-Foto-Holdout. Liefere eine Empfehlung, in welchen Schadens-Klassen (klein/mittel/groß) das Modell produktiv eingesetzt werden sollte.
Das Briefing
Was Du tust und was Du zeigst.
Wie segmentiert man Brandschadens-Fotos pixelgenau in 4 Klassen und reduziert die Foto-Auswertungs-Zeit pro Akte um mindestens 40 %?
Earning criteria — what you'll demonstrate
- Semantische Segmentierungs-Architekturen verstehen und feintunen
- Mean-IoU und pro-Klasse-IoU als Hauptmetriken einsetzen
- Modell-Output in geschäftsrelevante Größen (Fläche) umrechnen
- Domain-spezifische Augmentation (Helligkeit, Verzerrung) sinnvoll wählen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenComputer Vision Engineer
Schadens-Segmentierung ist ein produktives CV-Anwendungsfeld in Versicherung und Immobilien; die Challenge produziert ein portfolio-fähiges Beispiel mit klarer Geschäftsverknüpfung.
Dieses Projekt schärft
- semantic-segmentation
- segformer
- iou-evaluation
Machine Learning Engineer
Modell-Output in Geschäftsgrößen zu übersetzen ist eine ML-Engineering-Kerndisziplin; die Challenge übt sie an einem domain-nahen Beispiel.
Dieses Projekt schärft
- u-net
- pytorch
- transfer-learning
Applied AI Scientist
Differenzierte Empfehlungen pro Schadens-Klasse zu formulieren ist genau das, was angewandte KI-Wissenschaftler:innen für Operations-Teams liefern.
Dieses Projekt schärft
- semantic-segmentation
- iou-evaluation
- transfer-learning
Noch eine Sache